llamafile

O llamafile é o truque da Mozilla: um único arquivo que é ao mesmo tempo os pesos GGUF e o runtime (llama.cpp mais Cosmopolitan Libc). Baixe, chmod +x, execute. Sem instalação, sem Python, sem Docker.

Baixar Documentação oficial ↗

`--server` expõe o compatível com OpenAI na porta 8080. O contexto se fixa no lançamento com -c. A ferramenta certa quando você quer entregar um modelo a alguém como executável.

Contexto máximo: Set with -c at launch
Nível gratuito: Ilimitado e privado
Requisito: Nada — sem conta

Endpoint

URL basehttp://localhost:8080/v1

Limite de taxaNone — it is your machine

Compatível com OpenAI
texto

Exemplos de código

npm install openai

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8080/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'LLaMA_CPP',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed",
)

response = client.chat.completions.create(
    model="LLaMA_CPP",
    messages=[{"role": "user", "content": "Explain closures in one paragraph."}],
)

print(response.choices[0].message.content)

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "LLaMA_CPP",
    "messages": [{"role": "user", "content": "Explain closures in one paragraph."}]
  }'

Vale saber

`chmod +x model.llamafile && ./model.llamafile --server` e acabou.

Modelos que você obtém de graça2

Llama 3.3 70Bllama-3.3-70b
Mixtral 8x7Bopen-mixtral-8x7b